Wykorzystanie rozkładów statystycznych miąższości pokładów do prognozy wielkości zasobów operatywnych węgla kamiennego

Transkrypt

1 Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią Polskiej Akademii Nauk rok 2016, nr 92, s Michał KOPACZ* Wykorzystanie rozkładów statystycznych miąższości pokładów do wielkości zasobów operatywnych węgla kamiennego Streszczenie: Niniejszy artykuł stanowi kontynuację rozważań autora nad badaniem wpływu czynników związanych z geologią i tektoniką złóż węgla, uwarunkowaniami technicznymi, produkcyjnymi, organizacyjnymi i ekonomicznymi na wartość górniczych projektów inwestycyjnych. W niniejszej publikacji skoncentrowano się w szczególności na badaniu właściwości rozkładów miąższości węgla w pokładach, w celu wskazania ich dominującej roli i wysokiej przydatności przy szacowaniu wielkości zasobów operatywnych. Tezy te zostały zweryfikowane pozytywnie dla dwóch odrębnych pokładów węgla. W pracach analitycznych dysponowano obszerną informacją pozyskaną z modelu geologicznego złóż Lubelskiego Zagłębia Węglowego, którym dysponuje Pracownia Pozyskiwania Surowców Mineralnych IGSMiE PAN. Z modelu wyekstrahowano dane określające przestrzenną zmienność miąższości i gęstości węgla dla wyselekcjonowanych pokładów złóż. Wygenerowane z modelu geologicznego zbiory danych traktuje się jako przedstawiające pewien stan wiedzy i będące jedynie interpretacją zawartej tam informacji geologicznej. W celu realizacji tez badawczych skonstruowano rozkłady teoretyczne i empiryczne miąższości węgla w pokładzie 391 obszaru Puchaczów V oraz w pokładzie 382 w obszarze Ostrów. Są to pokłady jeszcze niezagospodarowane. Wykazano, że przy wykorzystaniu odpowiednio dobranych rozkładów statystycznych można wiarygodnie przybliżać ilość zasobów operatywnych w określonych przedziałach miąższości. Punktem odniesienia dla weryfikacji jakości były zasoby ścian zlokalizowanych w analizowanych pokładach oszacowane przy pomocy odrębnych narzędzi informatycznych (narzędzia do harmonogramowania produkcji) i zgodne z danymi udostępnionymi w dokumentacjach tych pokładów. Opracowana metoda badawcza stanowi stosunkowo nieskomplikowaną alternatywę dla tradycyjnych metod geostatystycznych. Problem zmienności przestrzennej zasobów węgla w pokładach redukuje się zasadniczo do miąższości i może być rozpatrywany tak na poziomie pojedynczej ściany jak i pokładu, czy ostatecznie całego złoża. Jakość wartości średniej wielkości zasobów była weryfikowana przy pomocy metody bootstrap nieparametrycznego. W metodzie tej analizuje się daną statystykę, próbkując wielokrotnie dane empiryczne (nie ma żadnych założeń wobec pierwotnego lub wymaganego rozkładu danej statystyki np. rozkładu normalnego). Warunkiem krytycznym wykorzystania zaproponowanego podejścia jest posiadanie źródła wiarygodnej informacji geologicznej np. modelu złoża, z którego można wygenerować reprezentatywne i liczne zbiory danych. Słowa kluczowe: górnictwo, symulacja, model geologiczny, miąższość pokładów węgla, gęstość przestrzenna, rozkłady statystyczne * Dr inż., Instytut Gospodarki Surowcami Mineralnymi i Energią PAN, Kraków; kopacz@meeri.pl 57

2 The use of statistical distributions of coal seams thickness for forecasting the amount of operational coal reserves Abstract: This paper is a continuation of the author s reflections on the study of the influence of factors related to the geology and tectonics of coal deposits as well as the influence of technical, productional, organizational and economic conditionings on the value of mining investment projects. The publication focuses in particular on the study of the properties of distributions of coal seams thickness, in order to indicate its dominant role and high usefulness in estimating the amount of operational reserves. These claims were positively verified for two separate coal seams. The analytical works were supported by the extensive information from the model of geological deposits of the Lublin Coal Basin, which is in possession of the Department of Mineral Resources Acquisition at the Mineral and Energy Economy Research Institute of the Polish Academy of Sciences (MEERI PAS). The records defining the spatial variability of thickness and density for selected coal seams were extracted from the model. In order to implement the research arguments, theoretical and empirical distributions of coal thickness in the seam 391 of the Puchaczów V mining area and the seam 382 in the Ostrów mining area were constructed. They are still undeveloped seams, available for future exploitation. It has been proven that by using appropriately selected statistical distributions, one can reliably approximate the amount of operational reserves in certain thickness intervals. The point of reference for verifying the quality of forecasts were the operational reserves of the longwalls located in the analyzed seams estimated using separate IT tools and consistent with the official data. The developed research method is an interesting and relatively uncomplicated alternative to traditional geostatistical methods, supporting the process of variability assessment and estimation of the the amounts of the useful mineral. In the developed simulation method the problem of spatial variability of the density and the thickness of coal seams is reduced substantially to the thickness of coal, and may be considered at the level of a single longwall or seam or even definitively the entire deposit. The quality of the average value forecast was verified using the nonparametric bootstrap technique. The bootstrap technique analyzes the given statistics, multiple times sampling the empirical data (there are no assumptions to the original or the required distribution of the statistics eg. the normal distribution). The critical condition for the use of the proposed approach is to have a reliable source of geological information eg. a model of the deposit, from which one can generate representative and numerous collections of data. Keywords: mining, simulation model, geological model, coal seams thickness, spatial density, statistical distributions Wprowadzenie Zasoby węgla w złożu stanowią podstawę wyceny wartości górniczych projektów inwestycyjnych. Czynnikami decydującymi o przydatności zasobów węgla są: typ, jakość i miąższość pokładu węgla, jego nachylenie, stopień zuskokowania czy spękania stropu. Ważna też jest ilość przerostów węgla mogąca obniżać efektywność ekonomiczną kopalni. Nie bez znaczenia jest również poziom zagrożeń naturalnych utrudniających zwykle prowadzenie wydobycia (Budryk 1952; Gabzdyl 1988; Piechota 2008). Czynniki związane z warunkami geologicznymi występowania pokładu, w szczególności z jego tektoniką, jak i aspekty związane z przyszłym modelem funkcjonowania kopalni i jej infrastrukturą, mają kluczowe znaczenie na etapie zaliczania zasobów do kategorii zasobów operatywnych, które mogą być przedmiotem efektywnego ekonomicznie wydobycia. Z całości zasobów eliminuje się więc uprzednio te, których wydobycie ze względu na uwarunkowania geologiczne i ograniczenia techniczne jest nieefektywne bądź wręcz niemożliwe. Efektywność ekonomiczna procesu eksploatacji w obrębie zasobów przemysłowych pomniejszonych o straty jest w dużym stopniu determinowana miąższością eksploatowanych ścian, nachyleniem, czy też poziomem zagrożeń w nich występujących. Znaczenie miąższości i błędów jej pomiaru akcentuje również (Górecka 1981). Istnieje ponadto wiele 58

3 innych czynników technicznych związanych z systemem eksploatacji, posiadanym parkiem maszynowym, organizacją pracy, czy też umiejętnościami i doświadczeniem załogi, które wpływają na łączną ocenę efektywności wydobycia (Kicki i Sobczyk 2003). Wielorakość tych kwestii przesądza o wysokim poziomie złożoności działalności górniczej, w szczególności w kopalniach podziemnych. Nie wszystkie te czynniki występują jednak jednocześnie. Ilość zasobów operatywnych jest wiarygodnie przybliżana dopiero po wykonaniu odpowiedniej rozcinki pokładu i zliczeniu zasobów w poszczególnych ścianach. Tego typu prace wykonywane są niejednokrotnie w zaawansowanych narzędziach do planowania i harmonogramowania produkcji. Wymagają często sporego nakładu pracy i środków pieniężnych (Kicki i Dyczko 2012; Dyczko i Galica i in. 2012; Brzychczy 2012; Probierz 2003; Magda i in. 2002). W niniejszej publikacji skoncentrowano się na badaniu właściwości rozkładów miąższości pokładów węgla, w celu wskazania ich wysokiej przydatności przy szacowaniu wielkości zasobów w złożach węgla kamiennego. Tezę o potencjalnej przydatności rozkładów miąższości zweryfikowano na dwóch indywidualnych przypadkach, tj. w pokładzie 391 w obszarze Puchaczów V oraz w pokładzie 382 w obszarze Ostrów. Bazą odniesienia dla określenia błędu były zasoby stwierdzone na podstawie odrębnych prac, w okresach wcześniejszych. Zasoby te pokrywają się z oszacowaniami dostępnymi w dokumentacjach geologicznych, czy planach zagospodarowania tych złóż. 1. Ocena ilościowa zasobów węgla W ocenie wielkości zasobów węgla bierze się pod uwagę stopień rozpoznania. Stopień rozpoznania i pewności wielkości zasobów złoża zależy od gęstości siatki rozpoznania lub formy rozpoznania tzn. czy możliwe jest i prowadzone było przykładowo rozpoznanie wyrobiskami dołowymi. W przypadku zasobów węgla stwierdza się, że przy siatce otworów wiertniczych mniejszej niż 1,5 km (I i II grupa złóż) (Nieć 1990), można dokumentować złoża w kategorii C1 i wyższych. Aby uzyskać pewność w kategorii B lub A, konieczne jest dysponowanie wiarygodną informacją z bezpośredniego opróbowania pokładu prowadzonego przez służby geologiczne kopalń. Dysponując na wczesnych etapach rozpoznania złóż wyłącznie informacją pozyskaną z otworów powierzchniowych (czasami również nielicznych dołowych), dokładność odwzorowania faktycznej wielkości i jakości zasobów w danym pokładzie (złożu) jest ograniczona, zwłaszcza we wczesnych etapach rozpoznania złoża, gdy wykorzystuje się informację pochodzącą z nielicznych otworów powierzchniowych. W praktyce, na etapie eksploatacji, następuje niejednokrotnie negatywna weryfikacja zarówno wielkości, jak i jakości zasobów, na co wskazuje m.in. (Nieć 1981, 2007). W celu zwiększenia stopnia pewności oszacowania zasobów pomiędzy otworami lub w częściach niezbadanych metodą otworową stosuje się techniki i narzędzia geostatystyczne. Przy pomocy semiwariogramów parametrów złożowych dokonuje się oceny zmienności danego parametru w złożu, zasięgu określonej struktury zmienności, a na tej podstawie przybliża się ocenę ilościowo-jakościową zasobów (Mucha i in. 2007; Naworyta 2015). Stabilność parametrów modeli goeostatystycznych i ich zdolność prognostyczna jest często ograniczona z uwagi na ilość i jakość danych (Kokesz 2006, 2015). 59

4 Wielkość zasobów złoża szacuje się m.in. wykorzystując następujący wzór: gdzie: Z zasoby, M miąższość pokładu, S powierzchnia, r gęstość przestrzenna węgla. Z = M S r Wobec oczekiwanej wielkości zasobów w złożu konstruuje się przedziały ufności dla nieznanej wartości średniej. Wykorzystuje się do tego wartość średnią wyliczoną na bazie próby, szacując przedział ufności na bazie rozkładu normalnego. Tymczasem w praktyce, we wczesnych stadiach rozpoznania złóż, nie ma pewności wobec typu rozkładu określonego parametru złożowego. Dla zasobów określanych jako geologiczne, czy też bilansowe mogą występować przykładowo rozkłady wielomodalne. Rzadko też buduje się przedziały ufności przy wykorzystaniu rozkładów innych niż normalny, czy t-studenta (Sobczyk 2006). We wzorze (1) występują 3 parametry zmienne. W badaniach empirycznych wykazano, że w określonych warunkach powierzchnia nie stanowi kryterium determinującego dokładność oszacowania wielkości zasobów operatywnych (Nieć 1990). Istnieje też możliwość wyeliminowania gęstości przestrzennej bez istotnego pogorszenia jakości wyników. Badania empiryczne przeprowadzone przez autora wykazują przydatność rozkładu miąższości pokładu węgla bez przerostów do przybliżenia wielkości zasobów operatywnych w określonych granicach miąższości. Wartością odniesienia była wielkość zasobów określona poprzez losową aproksymację wszystkich parametrów zmiennych w formule 1. Następnie policzono względną różnicę wielkości zasobów wyliczonych w metodzie symulacyjnej oraz zasobów stwierdzonych w pokładzie 391 w obszarze Puchaczów V, którą odniesiono do zasobów tego pokładu. Procedurę tę przeprowadzono tak dla zasobów bilansowych, jak i operatywnych analizowanych w pokładach (wzór 4). Prognozę wielkości zasobów bilansowych pokładu 391 i pomiar błędu tej w metodzie symulacyjnej przedstawiono w tabeli 1, natomiast zasobów operatywnych w pokładzie 382 w obszarze Ostrów odpowiednio w tabeli 2. Można zauważyć, iż w przypadku, kiedy symulowane są jednocześnie wszystkie parametry formuły 1, poziom błędu oszacowania wielkości zasobów w poszczególnych przedziałach miąższości w pokładzie 391 jest bardzo mały, i nieco wyższy w przypadku pokładu 382. Najwyższa wartość błędu nie przekracza jednak 4%. Jeżeli wykorzystując tylko rozkład miąższości węgla w analizowanych pokładach możemy uzyskiwać zbliżone wartości błędów oszacowania wielkości zasobów operatywnych w poszczególnych granicach miąższości, to jest to tym samym satysfakcjonująca weryfikacja proponowanej metody badawczej. 2. Źródła danych Źródłem danych empirycznych był posiadany przez Pracownię Pozyskiwania Surowców Mineralnych IGSMiE PAN model geologiczny oraz rozcinki pokładu 391 w obszarze Puchaczów V i K3 oraz pokładu 382 w obszarze Ostrów. Model dla obszaru 60

5 TABELA 1. Prognoza wielkości zasobów bilansowych w pokładzie 391 w różnych przedziałach miąższości przy użyciu formuły nr 1 oraz pomiar błędu TABLE 1. The forecast of the amount of balanced resources in the seam 391 in various intervals of thickness using formula no. 1 and the measurement of the forecast s error Zasoby bilansowe Zasoby* Błąd Powierzchnia [km 2 ] Liczba bloków w siatce pomiarowej Łączna powierzchnia bloków [m 2 ] Miąższość węgla [m] Gęstość przestrzenna [g/cm 3 ] powyżej 1,2 m , ,4 0,00% , ,15 1,34 powyżej 1,5 m , ,1 0,21% , ,27 1,34 powyżej 1,8 m , ,2 0,04% , ,35 1,34 powyżej 2,1 m , ,7 0,03% , ,42 1,35 * Zasoby oszacowane ze wzoru nr 1; wartości średnie odpowiednio z rozkładów empirycznych. Źródło: opracowanie własne TABELA 2. Prognoza wielkości zasobów operatywnych w pokładzie 382 w różnych przedziałach miąższości przy użyciu formuły nr 1 oraz pomiar błędu TABLE 2. The forecast of the amount of operational reserves in the seam 382 in various intervals of thickness using formula no. 1 and the measurement of the forecast s error Zasoby Zasoby* Błąd Powierzchnia [km2] Liczba bloków w siatce pomiarowej Łączna powierzchnia bloków [m 2 ] Miąższość węgla [m] Gęstość przestrzenna [g/cm 3 ] powyżej 1,2 m , ,7 3,88% 33, ,3 1,89 1,37 powyżej 1,5 m , ,9 1,33% 30, ,2 1,96 1,37 powyżej 1,8 m , ,8 1,39% 27, ,7 2,04 1,37 * Zasoby oszacowane ze wzoru nr 1; wartości średnie odpowiednio z rozkładów empirycznych. Źródło: opracowanie własne 61

6 Puchaczów V i K3 został skonstruowany na bazie łącznie ponad 530 tys. rekordów, w szczególności (Kopacz 2016): 97 otworów badawczych powierzchniowych z opisem wszystkich wydzieleń litologicznych, 125 otworów badawczych dołowych, długich wraz z opisem wszystkich wydzieleń litologicznych, 337 rekordów z profilowania ścian oraz 5809 z profilowania wyrobisk, 1336 zestawy analiz jakościowych. Dla obszaru Ostrów wprowadzono do bazy ponad 70 tys. rekordów obejmujących: 43 otwory badawcze powierzchniowe z opisem wszystkich wydzieleń litologicznych, 626 zestawów analiz jakościowych. Przekrój informacyjny danych pozyskanych z modelu geologicznego obejmował: miąższość pokładu (miąższość węgla wraz z przerostami), miąższość węgla w pokładzie, miąższość przerostów, gęstość przestrzenną zasobów węgla. Próbka danych wygenerowanych z modeli geologicznych obu obszarów obejmowała zasadniczo rejon projektowanej eksploatacji. Przy szacowaniu wielkości zasobów operatywnych wyłączono rekordy, w których stwierdzono miąższości pokładu węgla znacząco niższe niż 1,2 m. Należy nadmienić, iż wygenerowane z modelu geologicznego zbiory danych traktuje się jako przedstawiające pewien stan wiedzy i będące jedynie interpretacją zawartej tam informacji geologicznej. W tabeli 3 zestawiono oszacowania zasobów operatywnych dla pokładzie 391 oraz w pokładzie 382. Zestawiono również powierzchnię, która wynika bezpośrednio z sumowania powierzchni ścian o średnich miąższościach spełniających warunek brzeżny. Wykazane w tabeli zasoby (w poszczególnych granicach miąższości) stanowiły wartości odniesienia w procedurze oceny błędu względnego. Zasoby w pokładzie 391 wynoszą blisko 87,5 mln Mg, podczas gdy w wydzielonej części pokładu 382 odpowiednio 89,5 mln Mg. TABELA 3. Zestawienie wielkości zasobów operatywnych ścian w pokładach 391 i 382 w różnych przedziałach miąższości TABLE 3. Specification of the amounts of operational reserves of longwalls in seams 391 and 382 at different thickness intervals Pokład 391 Pokład 382 Zasoby Powierzchnia Zasoby Powierzchnia powyżej 1,2 m , , , ,0 powyżej 1,5 m , , , ,8 powyżej 1,8 m , , , ,3 powyżej 2,1 m , ,1 nd. nd. 62

7 Poglądową rozcinkę pokładu 391 i 382 zaprezentowano na rysunku 1. Należy nadmienić, iż w przypadku obszaru Ostrów w pokładzie 382 wydzielono tylko tę część, która będzie mogła być w przyszłości zagospodarowana w kierunku górniczym. Rys. 1. Poglądowe rozcinki i lokalizacja ścian: A pokład 391, B wydzielony obszar w pokładzie 382. Intensywność kolorów przedstawia gradient miąższości Fig. 1. Demonstrative panelling and location of longwalls: A seam 391, B a separate area in the seam 382. The intensity of the color gradient corresponds to the thickness Rozkłady miąższości W prowadzonych analizach interesują nas w szczególności właściwości rozkładów miąższości pokładów węgla. Na rysunku 2 i 3 przedstawiono dodatkowo rozkłady gęstości przestrzennej wygenerowane na bazie danych empirycznych odpowiednio dla pokładów 391 i 382. Przedstawione rozkłady różnią się parami w istotny sposób. W danych empirycznych rozkładu miąższości w pokładzie 391 widoczny jest stosunkowo duży odsetek obserwacji w lewym ogonie. Są one pozostałością wpływu dużej ilości obserwacji koncentrujących się w rejonie miąższości rzędu 0,9 1,2 m, wyraźnie widocznych w rozkładzie zasobów bilansowych tego pokładu. Rozkład zasobów bilansowych cechuje wyraźna dwumodalność, obejmująca cechy rozwarstwienia tego pokładu m.in. w obszarze Puchaczów V. Do danych empirycznych miąższości dopasowano ostatecznie rozkład Daguma. Podstawą wyboru były wartość kryteriów informacyjnych Schwarza, Akaikego oraz Hannana-Quenna dla poszczególnych rozkładów (wybrano ostatecznie rozkład o najniższej wartości kryterium Schwarza). Należy jednak stwierdzić, iż dopasowanie tego rozkładu jest niesatysfakcjonujące w szczególności w rejonie obserwacji skrajnych. Z kolei rozkład miąższości w pokładzie 382 jest bardziej regularny i symetryczny. Kurtoza tego rozkładu jest blika 3, co wskazuje na podobieństwo do rozkładu normalnego. Wartość oczekiwana (średnia) w tym rozkładzie jest niewiele niższa niż w przypadku rozkładu miąższości pokładu 391 (2,0 m vs 2,2 m) (tab. 1), natomiast odchylenie standardowe jest blisko dwukrotnie niższe, co wskazuje na koncentrację obserwacji wokół wartości średniej. Do danych empirycznych miąższości dobrano rozkład Burra, stosując tę samą procedurę, co w przypadku rozkładu miąższości pokładu

8 Rys. 2. Rozkład miąższości (A) i rozkład gęstości przestrzennej (B) węgla w pokładzie 391 Fig. 2. Thickness distribution (A) and spatial density distribution of the coal in the seam 391 Rys. 3. Rozkład miąższości (A) i rozkład gęstości przestrzennej (B) węgla w pokładzie 382 Fig. 3. Thickness distribution (A) and spatial density distribution of the coal in the seam 382 Na rysunkach 2 i 3 zaprezentowano rozkłady gęstości przestrzennej węgla w analizowanych pokładach. Różnią się one wyraźnie kształtem, wskazującym jednak na zdecydowanie wyższą zmienność analizowanych parametrów w pokładzie 391 niż w pokładzie 382 w rejonie Ostrów. W tabeli 4 dołączono z kolei podstawowe charakterystyki opisowe prezentowanych rozkładów. 64

9 TABELA 4. Podstawowe charakterystyki opisowe rozkładów miąższości węgla w pokładach 391 i 382 TABLE 4. Basic descriptive characteristics of the coal seams thickness distributions in the seams 391 and 382 rozkład Daguma Pokład 391 Pokład 382 rozkład empiryczny rozkład Burra rozkład empiryczny Statystyki położenia Średnia 2,1538 2,1515 1,9355 1,9354 Minimum 0,34 1,20 1,16 1,20 Maksimum 3,22 2,99 2,80 2,48 Statystyki rozproszenia Odchylenie standardowe 0,42 0,43 0,23 0,23 Wariancja 0,18 0,18 0,05 0,05 Współczynnik zmienności 0,20 0,20 0,12 0,12 Statystyki kształtu Skośność 0,88 0,68 0,43 0,42 Kurtoza 3,61 2,45 3,09 2,97 Percentyle 5,00% 1,33 1,30 1,52 1,51 95,00% 2,69 2,69 2,26 2,28 Źródło: opracowanie własne 3. Metoda badawcza Zakładamy, że istnieje możliwość wykorzystania odwróconej dystrybuanty rozkładu miąższości do oszacowania prawdopodobieństwa zmiennej losowej X i oraz P(X i M k ), gdzie M k stanowi granicę miąższości węgla w rozkładzie empirycznym lub teoretycznym najlepiej dobranym. Schemat postępowania w ujęciu graficznym zaprezentowano na rysunku 3. W pierwszej kolejności wyznaczane są granice miąższości węgla w pokładzie, dla których szacowane będą wielkości zasobów węgla Z k (k = 1, 2, 3,...), gdzie k jest liczbą przedziałów miąższości (etap 1). Następnie określane jest prawdopodobieństwo p k, że zmienna losowa X i będzie pochodzić z określonego przedziału miąższości węgla w rozkładzie empirycznym lub teoretycznym. Przedział ten określa wartość dolna i górna miąższości w tym przypadku maksimum, dla którego szacuje się zasoby w etapie 2. Prawdopodobieństwo p k wyznaczane jest poprzez odwrócenie dystrybuanty rozkładu empirycznego lub teoretycznego rozkładu miąższości i odpowiada ono udziałowi zasobów w granicach <m 1 ; max), 65

10 <m 1 ; max), etc. Ostatecznie dla każdego przedziału miąższości wyliczane są zasoby jako iloczyn całkowitej wielkości zasobów operatywnych Z b (powyżej ustalonej granicy miąższości) oraz prawdopodobieństwa (etap 3). Tak ustalona wielkość zasobów w danym przedziale miąższości stanowi punkt odniesienia dla określenia błędów. Przykładowo, zgodnie z rysunkiem 4, skumulowana gęstość prawdopodobieństwa zasobów operatywnych powyżej miąższości 1,5 m wynosi 88,3%, co należy intepretować, że blisko 88% całości zasobów operatywnych mieści się w przedziale <1,5; 2,99) m (dla rozkładu empirycznego miąższości pokładu 391). Proces ten zilustrowano następującym wzorem: Z k (x i m k ) = Z b p k (2) gdzie: Z k wielkość zasobów w danym przedziale miąższości pokładu, x i zmienna losowa, m k dolna granica przedziału miąższości, Z b całkowite zasoby w pokładzie powyżej miąższości granicznej, p k skumulowane prawdopodobieństwo dla zasobów w określonym przedziale miąższości. Badania empiryczne ujawniły, iż bezpośrednie wykorzystanie rozkładu empirycznego lub najlepiej dobranego rozkładu teoretycznego nie musi gwarantować satysfakcjonują- Rys. 4. Graficzna prezentacja opracowanej metody badawczej Fig. 4. Graphical presentation of the developed research method 66

11 cego przybliżenia wielkości zasobów w określonych przedziałach miąższości. Wynika to z różnic w kształtach rozkładów, niekiedy bardzo znaczących i nielosowego charakteru zmienności miąższości. W związku z tym, do wzoru 2 wprowadzono poprawkę wiążącą wartość średnią w empirycznym lub teoretycznym rozkładzie miąższości pokładu (s r ) z wartością średnią miąższości w zbiorze danych empirycznych s b dla całości zasobów w wydzielonym obszarze pokładu wg następującego wzoru: sb Zk = Zb pk sr (3) W badaniach modelowych założono 3 umowne granice miąższości m k {1,5; 1,8; 2,1} m. Jak wspominano, badania dokładności zasobów przeprowadzono dla dwóch różnych typów rozkładów miąższości: najlepiej dobranego rozkładu teoretycznego (odpowiednio Daguma lub Burra), rozkładów empirycznych w zbiorach danych pokładu 391 i 382. Przez rozkład empiryczny miąższości rozumie się rozkład utworzony na bazie danych pierwotnych, pochodzących z geologicznego modelu złoża. Dla tych danych konstruowano rozkład relatywnego skumulowanego prawdopodobieństwa na podstawie częstości występowania poszczególnych zmiennych empirycznych. Funkcję F (x) tego rozkładu można przed- i stawić umownie jako F( x) =, gdzie i stanowi liczbę porządkową (rangę, klasę) w rozkładzie, n natomiast liczbę zmiennych. F (x) może być aproksymowana z kolei wartością n + 1 średnią z rozkładu beta b(1, n i + 1). Próbkowanie rozkładu empirycznego odbywa się w procedurze symulacyjnej i wykorzystuje właściwości standardowego rozkładu dwumianowego, z którego generowane są niezależne liczby losowe. Natomiast przy pomocy metody bootstrap nieparametrycznego weryfikowane są statystyki opisowe tego rozkładu, w szczególności dokładność oszacowania wartości średniej. W metodzie bootstrap analizuje się daną statystykę, próbkując wielokrotnie dane empiryczne (nie ma żadnych założeń wobec pierwotnego lub wymaganego rozkładu danej statystyki np. rozkładu normalnego). Na tym tle ujawnia się główna zaleta tej metody i podejścia do oceny uzyskanych statystyk rozkładów. Oszacowanie błędów oceny następuje poprzez porównanie wielkości zasobów wyznaczonych na postawie opisanej procedury z wielkością zasobów zliczoną w poszczególnych ścianach o średniej miąższości spełniających określony warunek graniczny. Wykorzystuje się do tego następujący wzór: ( m1 mb ) ϑ = mb gdzie: ϑ błąd względny oceny, m 1 ilość zasobów operatywnych oszacowana na bazie opisanej metody badawczej [Mg], (4) 67

12 m b ilość zasobów oszacowana jako suma zasobów w poszczególnych ścianach spełniających graniczny warunek miąższości [Mg]. Wielkość zasobów operatywnych w ścianach dla pokładu 391 i 382 przedstawiono w tabeli Rezultaty analiz W tabeli 5 zestawiono oszacowane wielkości zasobów operatywnych w pokładzie 391 oraz błędy tego oszacowania w poszczególnych granicach miąższości przy pomocy wzoru (2). Błąd jest stosunkowo duży i największy dla przedziału powyżej 1,2 m. Wyższą zdolnością prognostyczna w tym wypadku cechuje się rozkład Daguma. TABELA 5. Wyniki wielkości zasobów operatywnych w pokładzie 391 w różnych przedziałach miąższości oraz pomiar błędu przy pomocy formuły nr 2 TABLE 5. The results of the forecast of the amount of operational reserves in the seam 391 in various intervals of thickness using formula no. 2 and the measurement of the forecast s error using formula no. 2 Zasoby (Zb) P k (x i m k ) Rozkład Daguma zasoby błąd P k (x i m k ) Rozkład empiryczny zasoby błąd powyżej 1,2 m ,1 powyżej 1,5 m ,4 91,5% ,4 3,8 86,2% ,1 9,4 powyżej 1,8 m ,0 81,2% ,0 4,0 76,8% ,3 9,2 powyżej 2,1 m ,5 62,9% ,2 13,8 64,5% ,9 11,7 Źródło: opracowanie własne Natomiast w tabeli 6 przedstawiono ocenę jakości wielkości zasobów w pokładzie 391 przy użyciu formuły skorygowanej nr 3. Analizując tę tabelę można zauważyć poprawę jakości wyrażoną w ogólnie niższych błędach. Wyższą zdolnością prognostyczną w tym wypadku cechuje się jednak rozkład empiryczny. Najwyższa różnica wielkości zasobów, oszacowana przy pomocy rozkładu empirycznego, w przedziale miąższości powyżej 1,5 m nie przekracza 4%. Rozkład empiryczny generalnie zaniża szacunek wielkości zasobów w pokładzie 391. W tabeli 7 zestawiono z kolei dane uzupełniające, pozwalające przeprowadzić skorygowaną procedurę oceny wielkości zasobów przy pomocy formuły nr 3. W tabeli 8 ujęto z kolei oszacowane wielkości zasobów operatywnych w pokładzie 382 oraz błędy tego oszacowania w poszczególnych granicach miąższości przy użyciu wzoru 2. Dokładność w przypadku obu rozkładów jest zbliżona. W przedziale miąższości węgla powyżej 1,8 m błąd sięga 12%. 68

13 TABELA 6. Wyniki wielkości zasobów operatywnych w pokładzie 391 w różnych przedziałach miąższości oraz pomiar błędu przy pomocy formuły nr 3 TABLE 6. The results of the forecast of the amount of operational reserves in the seam 391 in various intervals of thickness using formula no. 3 and the measurement of the forecast s error using formula no. 3 Zasoby (Zb) P k (x i m k ) Rozkład Daguma zasoby błąd P k (x i m k ) Rozkład empiryczny zasoby błąd powyżej 1,2 m ,1 powyżej 1,5 m ,4 91,5% ,4 1,52 86,2% ,5 3,9 powyżej 1,8 m ,0 81,2% ,7 4,79 76,8% ,7 0,4 powyżej 2,1 m ,5 62,9% ,9 3,08 64,5% ,9 0,1 Źródło: opracowanie własne TABELA 7. Zestawienie danych uzupełniających ocenę jakościową wielkości zasobów w pokładzie 391 przy pomocy formuły nr 3 TABLE 7. Summary of the data supporting a qualitative assessment of the amount of resources forecast in the seam 391 using the formula no. 3 Wartość średnia miąższości węgla [m] pokładzie (zbiór danych) rozkładzie Daguma rozkładzie empirycznym powyżej 1,2 m 2,1521 powyżej 1,5 m 2,2718 2,152 2,141 powyżej 1,8 m 2,3490 2,152 2,141 powyżej 2,1 m 2,4202 2,152 2,141 Źródło: opracowanie własne TABELA 8. Wyniki wielkości zasobów operatywnych w pokładzie 382 w różnych przedziałach miąższości oraz pomiar błędu przy pomocy formuły nr 2 TABLE 8. The results of the forecast of the amount of operational reserves in the seam 382 in various intervals of thickness and the measurement of the forecast s error using formula no. 2 Zasoby (Zb) P k (x i m k ) Rozkład Daguma zasoby błąd P k (x i m k ) Rozkład empiryczny zasoby błąd powyżej 1,2 m ,1 powyżej 1,5 m ,4 95, ,9 3,42 95, ,7 3,00 powyżej 1,8 m ,0 74, ,8 11,84 74, ,8 11,84 Źródło: opracowanie własne 69

14 Natomiast w tabeli 9 przestawiono skorygowaną prognozę zasobów w pokładzie 382 przy użyciu formuły nr 3. Maksymalny błąd sięga poziomu 7,0% (redukuje się o blisko 5 punktów procentowych). Można również stwierdzić, iż ten poziom błędu jest miarą pewnego szumu w danych empirycznych, którego nie uda się bardziej zredukować przy pomocy opracowanej metody. Odnosząc poziom błędu tej do wartości błędu w tabeli 2, można stwierdzić, iż jest to satysfakcjonujący rezultat. TABELA 9. Wyniki wielkości zasobów operatywnych w pokładzie 382 w różnych przedziałach miąższości oraz pomiar błędu przy pomocy formuły nr 3 TABLE 9. The results of the forecast of the amount of operational reserves in the seam 382 in various intervals of thickness and the measurement of the forecast s error using formula no. 3 Zasoby (Zb) P k (x i m k ) Rozkład Daguma zasoby błąd P k (x i m k ) Rozkład empiryczny zasoby błąd powyżej 1,2 m ,1 powyżej 1,5 m ,0 95,8 95,895,8 4,70 95, ,9 4,28 powyżej 1,8 m ,8 81,2% ,0 7,03 74, ,2 7,02 Podobnie jak poprzednio, w tabeli 10 zestawiono dane uzupełniające, pozwalające przeprowadzić skorygowaną procedurę oceny wielkości zasobów przy pomocy formuły nr 3. TABELA 10. Zestawienie danych uzupełniających ocenę jakościową wielkości zasobów w pokładzie 382 przy pomocy formuły nr 3 TABLE 10. Summary of the data supporting a qualitative assessment of the amount of resources forecast in the seam 382 using the formula no. 3 Wartość średnia miąższości węgla [m] pokładzie (zbiór danych) rozkładzie Burra rozkładzie empirycznym powyżej 1,2 m 1,9363 powyżej 1,5 m 1,9601 1,936 1,936 powyżej 1,8 m 2,0421 1,936 1,936 Źródło: opracowanie własne Poniżej zestawiono również wybrane statystyki weryfikujące jakość oceny wartości średnich w rozkładach empirycznych i teoretycznych uzyskane przy pomocy technik bootstrap nieparametrycznego. Analizując tabelę 11 oraz kształty histogramów wartości średnich na rysunku 4, można mieć niemalże pewność, że przy tej ilości danych empirycznych nieznany parametr wartości średniej będzie się mieścił pomiędzy 5 a 95 percentylem rozkładu 70

15 średniej. Można ponadto stwierdzić, że średnie w rozkładach teoretycznych i empirycznych stanowią bardzo dobrą aproksymację nieznanych wartości średnich miąższości zasobów węgla w pokładach 391 i 382. Błędy względne we wszystkich przypadkach są bardzo niewielkie. TABELA 11. Wyniki oceny wiarygodności wartości średnich w rozkładach Daguma, Burra oraz rozkładach empirycznych w technice bootstrap nieparametrycznego TABLE 11. The results of the assessment of the credibility of the mean values in Dagum s, Burr s and empirical distributions in the nonparametric bootstrap technique Pokład 391 rozkład miąższości Pokład 382 rozkład miąższości wybrane statystyki weryfikujące (bootstrap) Średnia 2,1520 1,9363 Percentyl 5% 2,1415 1,9337 Percentyl 95% 2,1626 1,9389 Pokład 391 Pokład 382 rozkład Daguma rozkład empiryczny rozkład Burra rozkład empiryczny błędy względne średniej błędy względne średniej 0,08% 0,02% 0,04% 0,05% Źródło: opracowanie własne Rys. 3. Histogramy wartości średniej uzyskane w metodzie bootstrap nieparametrycznego. Rysunek A dla średniej w pokładzie 391, rysunek B dla średniej w pokładzie 382 Fig. 3. Histograms of the mean value obtained using nonparametric bootstrap method. On the figure A the mean for the seam 391, on the figure B the mean for the seam

16 Wnioski W pracy podjęto próbę oceny wykorzystania rozkładu miąższości do wielkości zasobów w pokładach 391 obszaru Puchaczów V oraz wydzielonej części pokładu 382 obszaru Ostrów. Na podstawie przeprowadzonych analiz można wysunąć zasadniczy wniosek, iż zaproponowana technika oceny wielkości zasobów w pokładach węgla jest użyteczna, a przy jej pomocy można uzyskiwać satysfakcjonujące przybliżenie wielkości zasobów węgla w określonych przedziałach miąższości pokładu. W opracowanej metodzie symulacyjnej problem wiarygodnej wielkości zasobów węgla w określonych przedziałach miąższości redukuje się zasadniczo do oceny miąższości (węgla) i może być rozpatrywany tak na poziomie pojedynczej ściany, pokładu, czy ostatecznie całego złoża. Przy ocenie wiarygodności uzyskanej wartości średniej w dowolnym rozkładzie statystycznym bardzo pomocne staje się wykorzystanie metody bootstrap nieparametrycznego. Praca potwierdza ponadto istotne znaczenie typu, kształtu i jakości dopasowania rozkładu teoretycznego do danych empirycznych (lepszym rozkładem był rozkład empiryczny). Niniejsza praca dostarcza argumentów, że wykorzystanie odpowiednio dużej ilości danych pochodzących z geologicznego modelu złoża może skrócić proces szacowania wielkości zasobów operatywnych. Opracowana metoda należy do grupy metod statystycznych. Bazuje na przybliżeniu przestrzennej zmienności parametrów złożowych uzyskanym w modelu geologicznym złoża. Traktuje zawartą w nim informację jako pewien stan wiedzy i interpretacji informacji geologicznej. Nie kwestionuje przydatności tradycyjnych badań przestrzennej zmienności parametrów złożowych metodami geostatystycznymi oraz szacowania wielkości i jakości kopaliny użytecznej w złożach węgla kamiennego. Stanowi uproszczoną metodę przybliżania wielkości zasobów w określonych przedziałach miąższości bez konieczności wykonywania dokładnych rozcinek pokładów we wstępnych etapach rozpoznania złóż. Wiarygodnie zbudowany rozkład miąższości może stanowić także podstawę określania faktycznego poziomu wydobycia brutto przy ograniczeniach systemu eksploatacji, warunkach geologicznych i narzuconej prognozie produkcji węgla handlowego. Znajomość charakterystyki nadawy dla danej ściany, pokładu i ostatecznie złoża warunkuje poprawność wyceny wartości poszczególnych złóż węgla kamiennego, czy też oceny efektywności technicznej i ekonomicznej produkcji. Wykonane badania symulacyjne stanowią rozszerzenie badań prowadzonych i udokumentowanych w publikacji autora (Kopacz 2016). Praca została zrealizowana w ramach działalności statutowej IGSMiE PAN. Literatura Brzychczy, E Metoda modelowania i optymalizacji robót eksploatacyjnych w wielozakładowym przedsiębiorstwie górniczym. Kraków: Wydawnictwa AGH. Seria Rozprawy i Monografie nr 245. Budryk, W Eksploatacja złóż: Cz. 2: Podziemna eksploatacja złóż. Warszawa: PWT. Dyczko 2012 Dyczko, A., Galica, D., Sypniowski, S. i Szot, M Planowanie i harmonogramowanie produkcji górniczej w LW Bogdanka SA. Wiadomości Górnicze 2013, R. 64, nr 7 8, s Gabzdyl, W Geologia węgla. Skrypt uczelniany Politechniki Śląskiej, Gliwice: Wyd. PŚ. 72

17 Górecka, M Analiza dokładności rozpoznania złóż węgla kamiennego w wybranym rejonie GZW. Przegląd Geologiczny R. 29, nr 4, s Kicki, J. i Dyczko, A Planowanie produkcji górniczej z wykorzystaniem rozwiązań IT. Wiadomości Górnicze 2012, R. 63, nr 7 8, s Kicki, J. i Sobczyk, E.J Kompleksowy system sterowania jakością węgla i opłacalnością produkcji w długoterminowej strategii działania kopalni węgla kamiennego Piast. Kraków: Wyd. IGSMiE PAN. Kokesz, Z Geostatystyczna charakterystyka pokładów węgla w Górnośląskim Zagłębiu Węglowym. Górnictwo Odkrywkowe R. 48, nr 1 2, s Kokesz, Z Aneks A: Analiza zmienności miąższości pokładów węgla w LZW do Raportu Cz.T.B Opracowanie wymagań odnośnie gospodarki złożem przy podziemnym zgazowaniu węgli oraz przeanalizowanie i typowanie bazy surowcowej do PZW, Kraków Praca niepublikowana. Kopacz, M Ocena wpływu miąższości, gęstości przestrzennej oraz przerostów węgla w pokładzie na wartość górniczych projektów inwestycyjnych w metodzie symulacyjnej. Przegląd Górniczy 5 (w druku). Magda i in. Magda, R., Woźny, T., Kowalczyk, B., Głodzik, S. i Gryglik, D Racjonalizacja modelu i wielkości kopalń węgla kamiennego w warunkach gospodarczych początku XXI wieku, Kraków: Wyd. AGH. Mucha 2007 Mucha, J., Nieć, M., Wasilewska, M., Sobczyk, E.J. i Saługa, P Dokładność szacowania zasobów węgla kamiennego jako element oceny ryzyka inwestycyjnego. Kraków: Wydawnictwo Akademii Górniczo- -Hutniczej in. Stanisława Staszica w Krakowie. Naworyta, W Zastosowanie symulacji geostatystycznej w procesie analizy złoża pod kątem jego eksploatacji przypadek złoża antropogenicznego. Górnictwo Odkrywkowe R. 56, nr 2, s Nieć, M Zużycie zasobów węgla kamiennego w Polsce. Przegląd Geologiczny R. 29, nr 4, s Nieć, M Geologia kopalniana. Warszawa: Wydawnictwa Geologiczne. Nieć, M Zasoby węgla kamiennego i ich dokumentowanie. Fakty, mity, niedorzeczności. Prace Naukowe GIG, nr III Górnictwo i Środowisko, s Piechota, S Technika podziemnej eksploatacji złóż i likwidacji kopalń. Kraków: Wydawnictwa Naukowe Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie. Probierz, K. red. i in.: Monitoring jakości węgla kamiennego od złoża poprzez procesy eksploatacji i przeróbki do produktu handlowego. Gliwice: Wydawnictwo PŚ. Sobczyk, M Statystyka aspekty praktyczne i teoretyczne. Lublin: Wydawnictwo UMCS.

18